Discussion :

[dmganges]

Bonjour,
Je ne trouve pas comment représenter un caractère quelconque dans une regex exprimée en hexa sur 2 octets.

Je désire supprimer 1 caractère C précédé de 4 caractères ABxx dont seul les 2 premiers sont connus, et en conservant le reste, bien sûr.

ABxxC... --> ABxx...

Intuitivement ça pourrait avoir cette forme :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
# Suppression chadda solaire
# Supprime chadda \x{0651} sur lettre précédée de (\x{0627}\x{0644})
# et suivie par 2 caractères quelconques
 
    $Lig =~ s/\x{0627}\x{0644}(.)(.)\x{0651}/\x{0627}\x{0644}(.)(.)/go;

Sauf que mon intuition est fausse bien sûr, la notation (.) est fausse !

Merci d'avance pour votre aide !

[Philou67430]

Plusieurs solutions :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
$text = "ABabC";
$text =~ s/AB..\KC//;
$text =~ s/(?<=AB..)C//;
$text =~ s/(AB..)C/$1/;

Pour les explications: perldoc perlre (sinon, demander ici même)

[dmganges]

MERCI de ta réponse Philou67430,
Sur des chaînes ASCII sur 1 octet c'est parfait,
mais sur des chaînes arabes (Utf8 2 octets) ça ne fonctionne pas !

Il faut absolument les coder en hexa !!!
Ou bien j'ai loupé qqc !

A titre info, les seules substitutions que j'arrive à réaliser sont des substitutions ultra simples :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
# Suppresion des voyelles courtes suivies de voyelles longues
	if ( $config{DEFAUT}{dia_2} == 1 ) {
 
    $Lig =~ s/\x{064E}\x{0627}/\x{0627}/go; # Supprime Fatha devant Alif ا
    $Lig =~ s/\x{064E}\x{0649}/\x{0649}/go; # Supprime Fatha devant Alif marsour ى
    $Lig =~ s/\x{0650}\x{064A}/\x{064A}/go; # Supprime Kasra devant Ya ي
    $Lig =~ s/\x{064F}\x{0648}/\x{0648}/go; # Supprime Damma devant Oua و
 
		return $Lig;    
}

J'ai épluché le O'Reilly de Jeffrey E.F. Frield + pas mal de site sans résultat !

En tous cas MERCI , ça fait du bien de ne pas se sentir isolé

[Philou67430]

A voir si tes données d'entrée sont bien codées (et/ou lues par perl) en UTF8.

Peux-tu donner un exemple de fichier d'entrée (sous forme d'une pièce attachée) et un bout de script pour tester ?

[dmganges]

Résolu :

$Lig =~ s/\x{0627}\x{0644}(.)(.)\x{0651}/\x{0627}\x{0644}$1$2/g;


MERCI Philou67430

Le bout de code c'est :
$Lig =~ s/\x{0627}\x{0644}(.)(.)\x{0651}/\x{0627}\x{0644}$1$2/g;

çà aussi ça marche :

$Lig =~ s/(\x{0627}\x{0644}..)\x{0651}/$1/g;

la chaine dans $Lig :
الصَّيْف

une fois transformée le ّ disparaît !

Encore MERCI !

[Philou67430]

Dans ce cas, les exemples que j'avais donnés fonctionnent aussi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$Lig =~ s/\x{0627}\x{0644}..\K//g;

ou

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$Lig =~ s/(?<=\x{0627}\x{0644}..)\x{0651}//g;

Tu as en fait choisi ma 3e alternative

Pour ce qui est des caractères arabes, effectivement, s'ils ne sont pas génériques (. \w, ...), il faut les spécifier avec leur code (\x{....}) ou unicode (\N{U+....}).